MétaCan
Menu
Retour à la cohorte
Enregistrement W2896790533 · doi:10.2196/10309

Predicting Change in Posttraumatic Distress Through Change in Coping Self-Efficacy After Using the My Trauma Recovery eHealth Intervention: Laboratory Investigation

2018· article· en· W2896790533 sur OpenAlexvenueno aff
Charles C. Benight, Kotaro Shoji, Carolyn M Yeager, Pamela Weisman, Terrance E. Boult

Notice bibliographique

RevueJMIR Mental Health · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-cléseHealthPosttraumatic growthDistressCoping (psychology)PsychologyClinical psychologySelf-efficacyIntervention (counseling)PsychotherapistPsychiatryHealth care

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Technology offers a unique platform for delivering trauma interventions (ie, eHealth) to support trauma-exposed populations. It is important to evaluate mechanisms of therapeutic change in reducing posttraumatic distress in eHealth for trauma survivors. OBJECTIVE: This study evaluated a proactive, scalable, and individually responsive eHealth intervention for trauma survivors called My Trauma Recovery. My Trauma Recovery is an eHealth intervention aiming to support trauma survivors and consisting of 6 modules: relaxation, triggers, self-talk, professional help, unhelpful coping, and social support. It was designed to enhance trauma coping self-efficacy (CSE). We tested 3 hypotheses. First, My Trauma Recovery would decrease posttraumatic stress symptoms (PTSS). Second, My Trauma Recovery would increase CSE. And last, changes in CSE would be negatively correlated with changes in PTSS. METHODS: A total of 92 individuals exposed to trauma (78/92, 85% females, mean age 34.80 years) participated. Our study was part of a larger investigation and consisted of 3 sessions 1 week apart. Participants completed the baseline online survey assessing PTSS and CSE. Each session included completing assigned modules followed by the online survey assessing CSE. PTSS was remeasured at the end of the last module. RESULTS: =7.51, P<.001) were found. No significant change in CSE was found during session 3 (N=92). The residualized scores between PTSS T1 and T9 and between CSE T1 and T9 were calculated. The PTSS residualized score and the CSE residualized score were significantly correlated, r=-.26, P=.01. Results for each analysis with a probable PTSD subsample were consistent. CONCLUSIONS: The findings of our study show that participants working through My Trauma Recovery report clinically lower PTSS after 3 weeks. The results also demonstrate that CSE is an important self-appraisal factor that increased during sessions 1 and 2. These improvements are correlated with reductions in PTSS. Thus, changes in CSE may be an important mechanism for reductions in PTSS when working on a self-help trauma recovery website and may be an important target for eHealth interventions for trauma. These findings have important implications for trauma eHealth interventions.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,616
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,104
Tête enseignante GPT0,438
Écart entre enseignants0,335 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Mental HealthMême sujetDigital Mental Health InterventionsTravaux en français237 207